"""Очистка OCR-текста: буквы-двойники, нормализация подписей и меток (§11.1 п. 1, 6)."""

import re
from collections.abc import Mapping

# первая строка из цифр, пробелов, `|`, точек, запятых и двоеточий: `|` в ней — разделитель клеток формы
_CELL_SEPARATOR_LINE = re.compile(r"[\s\d|•·.:,]*")
_INVISIBLE = re.compile("[\u00ad\u200b\ufeff]")
_SEPARATORS = re.compile(r"[\s\-\u2010-\u2015\u2212]+")
_NON_CAPTION = re.compile(r"[^\w%]|_")


def replace_lookalikes(text: str, lookalikes: Mapping[str, str], *, anywhere: bool = False) -> str:
    """Двойники → цифры вплотную к цифре (несколько проходов); `anywhere` — без условия соседства."""
    if not lookalikes:
        return text
    table = str.maketrans(dict(lookalikes))
    if anywhere:
        return text.translate(table)
    chars = re.escape("".join(lookalikes))
    near_digit = re.compile(rf"(?<=\d)[{chars}]|[{chars}](?=\d)")
    previous = None
    while previous != text:  # «2ОО5» требует двух проходов
        previous = text
        text = near_digit.sub(lambda match: match.group(0).translate(table), text)
    return text


def fix_lookalikes(text: str, lookalikes: Mapping[str, str], *, anywhere: bool = False) -> str:
    """NBSP → пробел; `|` — разделитель клеток, если первая строка из цифр и пунктуации; двойники → цифры."""
    text = text.replace("\xa0", " ")
    if _CELL_SEPARATOR_LINE.fullmatch(text.split("\n", 1)[0]):
        text = text.replace("|", " ")
    return replace_lookalikes(text, lookalikes, anywhere=anywhere)


def has_digit(text: str | None) -> bool:
    return text is not None and any(char.isdigit() for char in text)


def is_disguised_digit(text: str, lookalikes: Mapping[str, str]) -> bool:
    """После замены двойников везде есть цифра и нет других букв («I», «| О» — да; «Косарев» — нет)."""
    fixed = fix_lookalikes(text, lookalikes, anywhere=True)
    return has_digit(fixed) and not any(char.isalpha() for char in fixed)


def normalize_caption(text: str | None) -> str:
    """Нижний регистр, `ё → е`, всё кроме букв, цифр и `%` → пробел, пробелы схлопнуты."""
    if text is None:
        return ""
    lowered = text.lower().replace("ё", "е")
    return " ".join(_NON_CAPTION.sub(" ", lowered).split())


def normalize_label(text: str | None) -> str:
    """Метки шапки: невидимые удалены, нижний регистр, `ё → е`, пробелы и дефисы/тире → пробел; пунктуация сохранена."""
    if text is None:
        return ""
    lowered = _INVISIBLE.sub("", text).lower().replace("ё", "е")
    return _SEPARATORS.sub(" ", lowered).strip()